| Разработчики: | |
| Дата премьеры системы: | октябрь 2018 г |
| Отрасли: | Информационные технологии |
2018: Анонс
В конце октября 2018 года Google представила программное обеспечение с открытым исходным кодомAdaNet, которое объединяет алгоритмы машинного обучения для получения более эффективных результатов предиктивной аналитики.
 | AdaNet основывается на наших последних достижениях в обучении с подкреплением сигналами от среды взаимодействия и усилиях по развитию AutoML, чтобы быть быстрыми и гибкими, а также закреплять навыки обучения, — говорит инженер-программист подразделения Google AI Чарльз Вайлл (Charles Weill), чьи слова приводится в блоге компании. — Важно отметить, что AdaNet предоставляет общую платформу не только для изучения архитектуры нейронной сети, но и для обучения ансамбля, чтобы получить еще более лучшие модели. |  |
Вайлл отметил, что новое решение использует так называемый метод обучения ансамбля для объединения и улучшения алгоритмов, который до выхода AdaNet требовал экспертных знаний в этой области и слишком много времени для обучения.[1]
Для упрощенного внедрения AdaNet платформа подключается к эмулятору TensorFlow для предоставления важной информации в одном месте, а также к набору веб-приложений TensorBoard, который обеспечивает визуальную обратную связь при обучении ИИ-модели. AdaNet предоставляет гарантированное обучение моделям ансамбля, которые он создает путем изучения архитектуры нейронных сетей и последующего добавления к ним подсетей. Благодаря AdaNet специалисты по машинному обучению, которые хотят контролировать этот процесс, могут использовать TensorFlow API для определения собственных подсетей, создания своих функций потерь (Loss function) или переключения других параметров.Чек-лист: как модернизировать ЦОД в рамках концепции OCP (Open Compute Project) 
Исходные коды AdaNet размещены на портале GitHub в репозитории Tensor.[2] Более подробная информация о работе инструмента опубликовала в статье, представленной на Международной конференции по машинному обучению в Стокгольме (International Conference on Machine Learning).[3]
Примечания
